Starsza osoba dorosła Skuteczność 2 zabiegów

Projekt badania:

Klasterowe randomizowane badanie kliniczne (RCT) planowane jest w 22 dotowanych ze środków publicznych obiektach mieszkaniowych (HUD, sekcja 202) oraz w innych programach bonów mieszkaniowych dla osób o niskich dochodach w NE Ohio i zostanie losowo przydzielone do 2 ramion: Ramię 1 (11 ośrodków) — Uczestnicy otrzymają dwa razy w roku SDF; Grupa 2 (11 ośrodków): Uczestnicy będą otrzymywać składane co dwa lata wnioski ART + FV. Wszyscy uczestnicy będą obserwowani przez rok i będą przechodzić badania stomatologiczne i profilaktyczne czyszczenie podczas wszystkich wizyt.

Badana populacja i otoczenie:

Długoterminowym celem jest zmniejszenie dysproporcji i poprawa równości w zakresie zdrowia jamy ustnej wśród osób starszych o niskich dochodach. Bezpośrednim celem jest przetestowanie interwencji w celu wyeliminowania różnic. W związku z tym populacją/miejscem będą osoby dorosłe o niskim statusie społeczno-ekonomicznym (SES) w wieku ≥ 62 lat w 6 hrabstwach NE Ohio (Cuyahoga, Lorain, Summit, Ashtabula, Geauga i Lake) mieszkające w HUD Sekcja 202 i inne dotowane ze środków publicznych obiekty mieszkaniowe . Administratorzy dostarczyli listy poparcia potwierdzające dostępność witryn i chęć uczestnictwa. Populacja jest zróżnicowana: Afroamerykanie / Czarni, Kaukascy / Biali, w tym Latynosi / Latynosi, i Azjaci. W 6 hrabstwach znajdują się 64 osiedla mieszkaniowe HUD z 3661 lokalami. Regionalne władze mieszkaniowe obsługują dodatkowe 87 obiektów o niskich dochodach, w których mieszkają osoby starsze, co daje 11 667 jednostek. W sumie dostępnych jest 151 placówek i 15 328 osób starszych.

Docelowa wielkość próby 22 witryn i 550 uczestników zostanie łatwo osiągnięta. Udział Medicaid wśród lokatorów wynosi 76% wśród placówek. Z wcześniejszego badania w tych placówkach oczekuje się, że średni wiek wynosi 74 lata, 76% kobiet, 51% rasy kaukaskiej, 45% Afroamerykanów, 2% Latynosów i 2% innych grup rasowych/etnicznych; 60% starszych osób dorosłych HUD nie miało żadnych/rzadkich wizyt u dentysty w ciągu ponad 3 lat.

Ze względu na ograniczenia związane z COVID-19, które uniemożliwiły odwiedzanie/świadczeniodawców z zewnątrz w miejscach zakwaterowania, rekrutacja potrwa dłużej niż przewidywane 24 miesiące. Ponadto około 40 włączonych osób nie ukończyło 26-tygodniowej wizyty/drugiej dawki leczenia. W związku z tym zwiększyliśmy całkowitą liczbę zapisanych uczestników o 40. Do badania dodaliśmy również cztery dodatkowe obiekty mieszkaniowe, aby zaradzić opóźnieniom w rekrutacji spowodowanym pandemią COVID-19.

Dodatkowe 4 miejsca zostaną również losowo przydzielone do Grupy 1 i Grupy 2, co daje w sumie 13 miejsc w każdej grupie

Rekrutacja Uczestników:

Podczas rekrutacji zostaną wykorzystane skuteczne strategie z wcześniejszych badań, a interesariusze będą zabiegać o wkład. Strategie, które zostaną zastosowane, są następujące: Koordynatorzy usług we wszystkich 22 obiektach będą służyć jako łącznicy na miejscu. Kierownik badania/kierownik projektu przekaże koordynatorom usług list/ulotkę wprowadzającą zawierającą informacje o badaniu, która zostanie przekazana najemcom i wywieszona w miejscach publicznych obiektu. Koordynatorzy usług najpierw zorganizują spotkanie informacyjne (lekarz badania przeprowadzi prelekcję na temat interwencji zaproponowanych przez naszych interesariuszy), a następnie zorganizują drugie spotkanie rekrutacyjne dla pracowników badania w celu przedstawienia informacji dotyczących badania podczas zaplanowanych spotkań grupowych (np. spotkania lokatorów, targi zdrowia). Dla celów planowania koordynatorzy usług będą dysponować arkuszem zapisów dla osób zainteresowanych sesjami. Pracownicy naukowi zaplanują dla tych, którzy są zainteresowani i spełniają kryteria włączenia, indywidualne sesje w placówce mieszkaniowej w celu uzyskania świadomej zgody i zebrania podstawowych danych ankietowych. Następnie w każdej placówce zostaną zaplanowane podstawowe badania dentystyczne i wizyty u dentysty zgodnie z wyznaczonymi dniami egzaminów dla każdej placówki, co nastąpi około 1-2 tygodni po wyrażeniu zgody i zebraniu danych wyjściowych. Sześcio- i dwunastomiesięczne egzaminy/leczenie dentystyczne oraz indywidualne rozmowy w celu uzupełnienia ankiety dla każdego punktu czasowego będą również miały miejsce w ośrodku mieszkaniowym, w którym mieszkają uczestnicy.

Procedury randomizacji:

Randomizacja jest na poziomie klastra (obiektu mieszkaniowego) dla wydajności logistycznej. To znacznie zmniejszy możliwość popełnienia błędu, który mógłby wystąpić w przypadku osób w tym samym miejscu przypisanych do różnych zabiegów. Ponadto utrzymywanie takiego samego traktowania w każdym miejscu zmniejsza ryzyko „zanieczyszczenia” (tj. uczestnik omawia swoje leczenie z innymi). Dodatkowo zostanie zastosowana warstwowa randomizacja klastrów, tj. podejście do randomizacji blokowej (ograniczonej), w którym zapewniona jest równowaga w leczeniu dla 2 kluczowych zmiennych na poziomie klastra (stratyfikacji), a mianowicie wielkości placówki (>100 w porównaniu z ≤100 mieszkańców) i lokalizacji geograficznej (Hrabstwo Cuyahoga a inne). Statystyk projektu wygeneruje schemat losowania dla 22 obiektów mieszkalnych.

Plan analityczny:

Każdy główny wynik zostanie porównany między grupami SDF i ART+FV. W przypadku bólu zęba zostanie obliczony 95% przedział ufności (CI) oparty na teście t dla różnicy w średnich odpowiedziach (SDF minus ART+FV). Jeśli ten przedział ufności mieści się w przedziale (-∞, 8), możemy stwierdzić, że SDF nie jest gorszy od leczenia ART+FV. Przedział ufności można zbadać wtórnie, aby ocenić możliwą wyższość jednej interwencji nad drugą. Dla wskaźnika zatrzymań zostanie obliczony 95% przedział ufności dla różnicy wskaźników (na podstawie statystyki az). Jeśli ten przedział ufności mieści się w przedziale (-0,09, 1), możemy stwierdzić, że SDF nie jest gorszy od leczenia ART+FV. Jak wyżej, można również ocenić ewentualną wyższość jednej interwencji nad drugą. W przypadku innych wyników zostanie również zastosowane obliczenie 95% CI dla różnic średnich (lub proporcji dla wyników binarnych). Te drugorzędne wyniki zostaną ocenione w sposób eksploracyjny pod kątem możliwej wyższości lub niższości w oparciu o odpowiednie marginesy.

Aby potwierdzić wstępne wyniki, zastosowane zostanie podejście oparte na uogólnionych równaniach szacunkowych (GEE). Dla każdego wyniku odpowiedni będzie model GEE (marginalny), który obejmuje wskaźnik leczenia i zmienne prognostyczne (w tym zmienne socjodemograficzne, stany medyczne i zachowania związane ze zdrowiem jamy ustnej). Zostaną określone odpowiednie funkcje powiązań (np. powiązanie logitowe dla wyników binarnych i powiązanie tożsamościowe dla wyników ciągłych) oraz wymienna działająca macierz korelacji, aby umożliwić korelacje w obrębie witryny. Wynik zatrzymania zostanie przeanalizowany jako wynik binarny (jak opisano w sekcji dotyczącej wielkości próby), a wtórnie jako liczba zatrzymanych zmian chorobowych, przy założeniu odpowiedniego rozkładu (np. Odporne testy t z poprawką na niewielką liczbę klastrów zostaną użyte do sprawdzenia efektów leczenia i obliczone odpowiednie 95% przedziały ufności.

Po drugie, powyższe podejście GEE zostanie rozszerzone o analizę powtarzanych pomiarów (poziom wyjściowy, 26 i 52 tydzień) dla każdego wyniku. Modele dla każdego wyniku będą zawierać te same zmienne prognostyczne, co poprzednio, a także czas i czas interakcji leczenia. Dozwolone będą korelacje między powtarzanymi pomiarami, np. przy użyciu struktury autokorelacji pierwszego rzędu. Jeśli zostanie stwierdzona istotna korelacja wewnątrz obiektu, konieczne będzie włączenie obiektu jako drugiego poziomu skupienia (w obrębie którego zagnieżdżona jest osoba – pierwszy poziom skupienia). Dodatkowo zastosowane zostanie oszacowanie i przetestowanie (za pomocą solidnego testu t) terminu interakcji w celu porównania trendów w czasie dla dwóch interwencji. Jeśli użycie dwóch poziomów klastrów nie okaże się wykonalne w podejściu GEE, rozważone zostanie podejście uogólnionego modelu efektów mieszanych.

Standardy wnioskowania przyczynowego: Wykorzystanie randomizacji i dostosowania w modelach regresji powinno być wystarczające do dostarczenia dających się interpretować przyczynowo oszacowań skutków interwencji; specjalne techniki wnioskowania przyczynowego, takie jak ocena skłonności lub metody zmiennych instrumentalnych, często wskazane w badaniach obserwacyjnych, nie będą zatem konieczne do analizy danych. Uniknie się uprzedzeń we wnioskach przyczynowych na temat zamierzonych interwencji, stosując podejście zgodne z zamiarem leczenia, w którym osoby są analizowane zgodnie z randomizowanymi grupami bez względu na (zakres) faktycznie otrzymanego leczenia.

Analizy wrażliwości: Sprawdzona zostanie wrażliwość wniosków na założenia modelu, a także decyzje metodologiczne, takie jak definicja wyniku. W szczególności, jeśli chodzi o wynik zatrzymania, pierwotna analiza opiera się na binarnym wskaźniku „całkowitego” zatrzymania wszystkich zmian chorobowych u danej osoby. Wyniki zostaną potwierdzone tym podejściem z alternatywnym podejściem analizującym liczbę zatrzymanych zmian. W przypadku analiz GEE, zaplanowanych dla wszystkich wyników, czułość zostanie oceniona częściowo przy użyciu alternatywnych roboczych struktur kowariancji i alternatywnych zestawów predyktorów. W przypadku niektórych wyników rozważone zostaną alternatywne rozkłady; na przykład dla liczby zatrzymanych zmian możliwe rozkłady obejmują Poissona, ujemny dwumian, zerowy Poissona (ZIP) i ujemny dwumian z zerem (ZINB). Wrażliwość na założenia dotyczące brakujących danych zostanie również zbadana w sposób opisany poniżej.

Brakujące dane. (a) Metody zapobiegania i monitorowania brakujących danych: Wszystkie kwestionariusze (przy użyciu tabletów) i formularze oceny dentystycznej (przy użyciu papieru) będą zarządzane w elektronicznej bazie danych (REDCap) przez personel badawczy. Cotygodniowe kontrole kontroli jakości będą przeprowadzane pod kątem wartości odstających, błędów wprowadzania, brakujących danych i potencjalnych anomalii danych. Analizy statystyczne, raporty podsumowujące i brakujące dane będą generowane przez biostatystyka badania co miesiąc w trakcie badania. (b) Statystyczne metody radzenia sobie z brakującymi danymi i uwzględniania niepewności statystycznej spowodowanej brakami danych: Podstawowe analizy, które wykorzystują GEE na podstawie wszystkich dostępnych obserwacji, zakładają całkowity brak wyników (MCAR). W ramach wstępnej oceny wzorców brakujących danych, grupy interwencyjne (w tym według odpowiednich podgrup i punktów czasowych) zostaną porównane pod kątem wskaźników brakujących wyników. Test na związek między brakami a wynikami we wczesnych punktach czasowych oceni wiarygodność założenia MCAR. Wiele metod imputacji (ustalona metoda) zostanie wykorzystanych w celu zapewnienia prawidłowych wniosków. (d) Plany rejestrowania i zgłaszania porzuconych i brakujących danych: Dane próbne będą zarządzane przy użyciu oprogramowania REDCap, obecnie działającego na Uniwersytecie Case Western Reserve (CWRU). REDCap to bezpieczna aplikacja internetowa zapewniająca intuicyjny interfejs do wprowadzania zatwierdzonych danych, ścieżek audytu do śledzenia manipulacji danymi i procedur eksportu oraz zautomatyzowanych procedur eksportu umożliwiających bezproblemowe pobieranie danych do popularnych pakietów statystycznych. Raporty o brakujących danych będą generowane co tydzień z REDCap w celu terminowego rozwiązania i celów raportowania. (e) Plany zbadania wrażliwości wnioskowania na metody brakujących danych Jak wspomniano powyżej, wielokrotne imputacje zostaną użyte w celu uzyskania prawidłowych wniosków w obecności danych, których nie brakuje całkowicie losowo. W zależności od wyniku zostanie zastosowane dopasowanie średniej predykcyjnej z odpowiednim modelem predykcyjnym (np. regresja logistyczna dla wyników binarnych, regresja liniowa dla wyników ciągłych i zliczeniowych). W ramach analiz wrażliwości zostaną wykorzystane alternatywne modele imputacji.